利用深度卷积神经网络检测多源网络图像篡改的技术研究.docx
利用深度卷积神经网络检测多源网络图像篡改的技术研究
目录
利用深度卷积神经网络检测多源网络图像篡改的技术研究（1）．．．．3
一、内容概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
问题的提出．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
国内外研究现状概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5
目的和意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6
二、文献综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7
深度学习在图像处理中的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8
图像篡改检测技术的研究进展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9
基于CNN的图像篡改检测方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10
多源图像的特征表示与提取．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11
三、多源网络图像篡改检测模型设计．．．．．．．．．．．．．．．．．．．．．．．．．．12
数据集构建与预处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12
CNN模型结构设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13
特征提取与融合策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14
模型训练与优化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15
四、实验结果分析与讨论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17
实验环境搭建．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18
检测性能评估指标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18
实验结果展示与对比分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19
结果解释与分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20
五、结论与未来展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21
主要研究成果总结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22
展望与不足之处．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23
可能的应用领域．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24
推广与改进方向．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24
利用深度卷积神经网络检测多源网络图像篡改的技术研究（2）．．．26
一、内容描述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26
1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26
1.1.1网络图像篡改的现状和问题．．．．．．．．．．．．．．．．．．．．．．．．．．．．28
1.1.2深度卷积神经网络的发展趋势．．．．．．．．．．．．．．．．．．．．．．．．．．28
1.1.3深度卷积神经网络在图像处理中的应用．．．．．．．．．．．．．．．．．．29
1.2文献综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31
二、技术概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32
2.1多源网络图像的概念．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．33
2.1.1多源网络图像的定义和特点．．．．．．．．．．．．．．．．．．．．．．．．．．．．33
2.1.2多源网络图像的组成和结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．34
2.2深度卷积神经网络的基本原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．35
2.2.1深度卷积神经网络的工作流程．．．．．．．．．．．．．．．．．．．．．．．．．．36
2.2.2深度卷积神经网络的优势和局限性．．．．．．．．．．．．．．．．．．．．．．37